Як Каннський режисер створив 22-хвилинний ШІ-фільм за 7 днів: Повний розбір

Привіт! Останнім часом мене часто запитують: «Михайле, чи справді ШІ вже зараз готовий для комерційного кіно та повноцінного відеопродакшену?»

Сьогодні я хочу поділитися з вами кейсом, який розбиває будь-який скепсис. Режисер Малік Зенгер, який має у своєму доробку Каннських левів за музичні кліпи, але до цього взагалі не мав жодного досвіду роботи зі штучним інтелектом, створив повноцінний 22-хвилинний ШІ-фільм всього за 7 днів.

Режисер PJ Ace (@PJaccetturo) детально розібрав цей процес, взявши у Маліка інтерв’ю. Я переклав та адаптував цей розбір для вас. Це не просто суха теорія — це покрокова інструкція про те, як традиційне бачення режисера у поєднанні з сучасними інструментами (такими як Higgsfield Seedance 2.0 та Soul Cinema) створюють нову кінореальність. Поїхали!)

Крок 1: Наратив та стратегія (Narrative & Strategy)

Малік Зенгер приніс у проект традиційне, «старорежимне» бачення кінематографіста. Замість того, щоб гнатися за «крутими ШІ-ефектами», якими переповнені типові генеративні ролики, він сфокусувався на глибині сюжету та реалістичній операторській роботі.

Його метою було довести, що сучасні ШІ-інструменти здатні передати таку ж емоційну вагу та драматизм, як і високобюджетний лайв-екшн серіал на кшталт «Гри престолів».

Крок 2: ШІ-сценаристи (The AI Writer’s Room)

Попри наявність готових візуальних концептів, Малік повернув команду на етап сценарної кімнати. Разом із Claude як творчим ко-пілотом вони детально пропрацювали історію про помсту та складні стосунки між двома братами.

Цей підхід перетворив плоский одноразовий бойовик на повноцінний сюжетний сезон із глибокою передісторією, емоційними поворотами та таємницями персонажів.

Крок 3: Організація всесвіту у Figma

Для керування складним світом вікінгів Малік побудував величезну інтерактивну дошку у Figma, поділену на «Карти сцен» (Scene Cards).

Кожна картка містила назву сцени, список задіяних персонажів та специфічні вимоги до локацій. Такий візуальний контроль дозволив відстежувати сюжетні мікро-ритми ще до початку генерації (наприклад, акцентувати момент, коли дитина бере дерев’яний меч, щоб заздалегідь закласти тему помсти).

Крок 4: Розробка персонажів та Face-Blur Hack

Уся робота над акторськими референсами була зосереджена в Higgsfield Soul Cinema. Це стало головною зброєю проти дешевого «ШІ-вигляду».

Малік зазначає, що це єдина модель, яка здатна рендерити природне людське обличчя з мікро-недоліками (порами, зморшками, живим поглядом), що повністю вбиває ефект пластикової маски (uncanny valley).

Але головний секрет виробництва — Face-Blur Hack. Малік виявив: якщо на референсній карті персонажа для загальних планів залишити обличчя чітким, модель намагається зчитати мікроскопічні деталі з маленької картинки і перебільшує їх, через що фінальний персонаж на відео отримує спотворені, карикатурні риси обличчя.

Рішення: обличчя на карті референсу злегка розмивається (blur). Тоді Soul Cinema ідеально фокусується на загальному фотореалізмі, зберігаючи бездоганну анатомію на будь-якому плані, при будь-якому ракурсі та освітленні.

Крок 5: Масовка та бібліотека реквізиту

Команда детально прописала карти для другорядних персонажів (наприклад, величезних вікінгів зростом понад 2 метри) та ключових предметів (наприклад, особистої емблеми Ярла).

Завдяки створенню постійних карт реквізиту в Soul Cinema модель Seedance 2.0 розпізнавала їх як постійні елементи всесвіту, зберігаючи логіку та населеність селища вікінгів у кожній сцені.

Крок 6: Стрес-тестування локацій (Location Stress-Testing)

Малік зауважив, що деякі локації, хоч і виглядають неймовірно красиво, викликають критичні баги в анімації акторів (рухи стають «ватними» або ламаними).

Він згенерував близько шести варіантів селища вікінгів і стрес-тестував їх, поки рухи акторів у кадрі не стали максимально природними. Локація в ШІ-режисурі — це технічний якір, який безпосередньо впливає на фізику рухів акторів.

Крок 7: Промпт-архітектор у Claude (The Claude Prompt Architect)

Щоб перекласти своє бачення на зрозумілу для моделей мову, Малік побудував спеціальний пайплайн у Claude. Він описував кадр художньо та режисерськи (наприклад, «зйомка з рук, вузьке зерно, у стилі “Апокаліпсису” Мела Гібсона»), а Claude перекладав це на структуровану мову технічного промпту для Seedance 2.0.

Це гарантувало, що кожен промпт містив чітку операторську термінологію (лінзи, ракурси, схеми освітлення) ще до опису самої сцени. Нижче наведено реальний приклад такого технічного промпту для сцени трапези у тронній залі вікінгів, який ви можете використовувати як шаблон:

SCENE 93
FRAME 7A
KING’S HALL

— REFERENCE DEFINITIONS —

<<@ JARL>>>: Viking warlord — older now, greying beard longer, deep scar from forehead across left eye to jawline. Heavy fur cloak, chainmail beneath. Weathered, tired. Seated center of the long side of the table facing camera, in his throne — appearance only. Reference.

<<<@ BJORN>>>: Björn the Bull — massive, heavyset Viking warrior, thick neck, broad belly, long dark hair, grey in beard. Ornate golden-brown velvet tunic, fur mantle on shoulders, gold chains on belt. Seated to the right of the Jarl — appearance only. Reference.

<<<@ VIKINGS>>>: Five Viking noblemen — red-faced, drunk. Chainmail, fur, gold rings. Eating, drinking, flirting — appearance only. Reference.

@ women: Three women with full figures — fitted Viking dresses, laced bodices, braided hair, gold chains. Seated among the noblemen, pressed close — appearance only. Reference.

<<<@ KINGSHALL>>>: Viking great hall — vast dark stone chamber. Massive antler chandelier, candles. Large crimson red banner with emblem behind the throne. Cold grey-blue backlight from narrow windows. No fill light. Near-darkness. Long heavy feast table on raised platform with stone steps — the long side of the table faces camera, as seen in reference image. 10 people seated along one side — location and mood reference. Reference.

— TECHNICAL BLOCK —

Flat frontal fill lighting directly from camera position — even, soft, shadowless. Minimal contrast across face and body. No side light, no directional key light, no rim light, no dramatic shadows. The light should feel like a large softbox mounted directly above and around the camera lens, wrapping evenly around all surfaces. Neutral white light temperature.

Shot on ARRI Alexa Mini, Kodak Vision3 250D film emulation, subtle organic film grain. Natural skin with subsurface scattering, visible imperfections — pores, fine lines, uneven skin tone. Fabric texture captured naturally — rough weave, pilling, loose threads. Shallow depth of field with natural optical falloff on close-up view, full sharpness on full-body views. Clean silhouette edges, arms clearly separated from torso in full-body views. Consistent face, body proportions, clothing, and hair across all three angles. No text, no labels, no watermark, no other people, no props in hands, no colored lighting, no ornate decoration. No CGI look, no plastic skin, no airbrushing, no digital smoothing.

The image should feel like a behind-the-scenes wardrobe test photo from a Robert Eggers or Andrei Tarkovsky film — grounded, tactile, lived-in.

— PROMPT —

Wide establishing shot of @ KINGSHALL — vast dark chamber, columns in blackness, antler chandelier above, crimson banner behind the throne. The long feast table faces camera — its long side toward us, all 10 figures seated along it as in the reference. @ JARL center in his throne. @  BJORN to his right. @ VIKINGS and @ women spread along both sides — five noblemen and three women, 10 total. All in the middle of the feast. @ JARL chews slowly, silent. @ BJORN tears meat, mead in his beard. The rest — a tangle of eating and flirting. One nobleman whispers in a woman's ear, she smiles. Another laughs with his head back, goblet raised. A third argues across the table pointing with a drumstick. Two noblemen squeeze a woman between them, arms around her. The third woman is fed a piece of meat, she laughs. Everyone chewing, drinking, touching. The table a mess — roasted meat, bread, gold plates, goblets, spilled mead. In the foreground — a servant crosses frame with a tray, dark and out of focus. Camera holds then slow push-in toward the feast.

SFX only: the feast alive — overlapping laughter, goblets slamming, mead sloshing, meat tearing, chewing, men shouting, women laughing, whispering, plates clinking, drinking horn tilting, servant crossing — soft steps, tray clinking, fading. Candle flames guttering. The hall full of noise.

Крок 8: Довгі безперервні кадри («Oners» vs. The Cut)

У той час як більшість ШІ-креаторів покладаються на короткі 2-секундні кадри зі швидким монтажем (щоб сховати артефакти), Малік пішов значно далі й ускладнив завдання — він створював 15-секундні безперервні сцени (Oners).

Використовуючи точні промпти для «тремтіння камери» (camera shake) та «різких панорам» (whip pans), він досяг неймовірного ефекту ручної камери. Глядач відчуває себе безпосереднім учасником подій, що змушує мозок забути, що вся сцена згенерована комп’ютером.

Крок 9: Безперервність простору (The Spatial Continuity Hack)

Як зберегти всі предмети (наприклад, перекинуті столи та розсипану їжу) на своїх місцях при зміні планів? Малік використовував робочий процес «скріншот-як-референс».

Він генерував загальний план селища чи кімнати, робив скріншот отриманого «безладу» й завантажував цей кадр як фоновий референс для середніх та великих планів. Це дозволило зберегти ідеальну геометрію та логіку кімнати, дозволяючи ШІ вільно анімувати персонажів усередині вже побудованого простору.

Крок 10: Динамічна еволюція локацій

Локації не були статичними — вони розвивалися разом із сюжетом. Зробивши скріншот чистої та затишної кімнати, Малік генерував на його основі «версію після пожежі та бою» з вогнем, руйнуваннями та хаосом.

Отриманий кадр ставав новим опорним референсом для наступної сцени. Ця покрокова еволюція створює відчуття реального часу та глибокої розповіді.

Крок 11: Голосові портрети персонажів

Стабільність та послідовність озвучки була досягнута за рахунок додавання детальних голосових характеристик безпосередньо в картки героїв.

Замість сухих команд, Малік описував голоси художньо: «Британський акцент», «розмовляє як ірландський вікінг із хрипотою». Модель Seedance 2.0 автоматично закріплювала за персонажами унікальні стабільні тембри, що дозволило зберегти цілісність звукової доріжки протягом усього фільму.

Крок 12: Монтаж “Нової школи” у реальному часі

Малік повністю відмовився від класичного підходу «спочатку генеруємо все відео — потім монтуємо».

Його робота проходила в безперервному інтерактивному колі: згенерував кадр — миттєво додав його на таймлайн у монтажній програмі — оцінив світловий та монтажний стик із попереднім дублем — згенерував наступний кадр відповідно до результату. Такий підхід дозволив ловити будь-які технічні розходження на льоту.

Крок 13: Секретний соус — Фейковий бекстейдж (Behind the Scenes)

Найбільш вірусною та емоційною частиною проекту став фейковий бекстейдж з анімованими невдалими дублями (bloopers).

Малік спеціально генерував смішні моменти: ШІ-актори тримають у руках паперові стаканчики з кавою, хтось забуває текст, а в кадр випадково опускається мікрофон-вудка. Створення цієї фейкової реальності, де персонажі поводяться як «справжні актори» на знімальному майданчику, збудувало колосальний емоційний зв’язок із глядачем.

---

Висновки та мораль від мене:

Цей кейс ще раз доводить фундаментальну істину, яку я постійно повторюю своїм студентам: ШІ-інструменти — це лише пензлі в руках художника.

Те, що робить фільм «Mort» живим та кінематографічним, — це не алгоритми. Це традиційне бачення режисера, глибоке розуміння композиції кадру, ритміки монтажу, драматургії та увага до найменших деталей.

Коли ви об’єднуєте класичні закони кіно та драматургії із сучасним ШІ-пайплайном, ви отримуєте справжню суперсилу, яка дозволяє знімати повноцінні блокбастери прямо з вашого лептопа) Спробуйте застосувати ці кроки у своїх проектах!

Дякую за цей розбір та інсайти! Слідкуйте за автором у X: @PJaccetturo.